基于遙感的奶牛養(yǎng)殖場甲烷檢測系統(tǒng)研發(fā)

摘要： 【目的】為了解決奶牛養(yǎng)殖場甲烷檢測過程中，定點式氣體傳感器檢測點位有限、檢測不全面等問題，本研究運用無人機遙感技術開發(fā)了一套甲烷遙感檢測系統(tǒng)，旨在實現(xiàn)對奶牛養(yǎng)殖場甲烷分布快速、大范圍的檢測?！痉椒ā渴紫龋诠庾V吸收原理設計了甲烷遙感檢測傳感器，并通過試驗驗證了其檢測精度。然后，在河南省洛陽市孟津縣生生牧場進行了實地測試，繪制出了奶牛養(yǎng)殖場內(nèi)的甲烷濃度分布圖。并對奶牛活動區(qū)域的甲烷濃度值與該區(qū)域內(nèi)奶牛數(shù)量之間的相關性進行了分析?！窘Y果】根據(jù)試驗結果分析，所設計的甲烷遙感檢測模塊的平均單位誤差小于2.05 mg/m3。某區(qū)域的甲烷質(zhì)量濃度值與該區(qū)域內(nèi)活動的奶牛數(shù)量之間存在顯著的正相關性，兩者的皮爾遜相關系數(shù)為0.934?！窘Y論】所設計的甲烷遙感檢測系統(tǒng)在實際應用中具有較高的準確性，可以滿足奶牛養(yǎng)殖場對甲烷分布的檢測需求。

關鍵詞： 甲烷檢測；無人機遙感；奶牛養(yǎng)殖場；甲烷排放；氣體傳感器

中圖分類號： S24；S823 文獻標志碼： A 文章編號： 1001-411X（2024）05-0772-10

溫室效應的加劇一直以來是人們是十分關注的問題，其首要原因是溫室氣體的大量排放[1-2]。據(jù)統(tǒng)計，農(nóng)業(yè)生產(chǎn)中產(chǎn)生的非二氧化碳（CO2） 溫室氣體約占全球非二氧化碳排放量的50%，其中，甲烷（ C H 4 ） 占總排放量的4 0 % ～ 5 0 % [ 3 - 6 ] 。1 9 8 0 —2018 年，農(nóng)業(yè)生產(chǎn)中產(chǎn)生的非二氧化碳溫室氣體排放量增加了34%，預計到2060 年將進一步增加33%[7]。在所有農(nóng)業(yè)生產(chǎn)中，畜禽生產(chǎn)環(huán)境中反芻動物腸道發(fā)酵是甲烷的一項重要來源[8-11]。對畜禽生產(chǎn)環(huán)境中甲烷的濃度進行綜合監(jiān)測，有利于掌握畜禽生產(chǎn)過程中甲烷的排放規(guī)律，從而合理地制定抑制甲烷產(chǎn)生和排放的措施。

近年來，無人機氣體檢測技術以其廣闊的覆蓋范圍、快速檢測能力和較低的成本，逐漸成為氣體檢測的一種重要手段[12-14]。該技術在環(huán)境監(jiān)測、工業(yè)監(jiān)控以及自然災害響應等多個領域展現(xiàn)了顯著的應用成效[15-17]。同時，研究人員使用無人機遙感技術在排放通量檢測和氣體分布構建方面也進行了大量的研究。Zhou 等[18] 針對船舶羽流中污染物氣體的測量問題，設計了一個無人機系統(tǒng)，搭載氣體采集模塊用于實時測量SO2 和NO2 濃度。通過對六艘船舶羽流進行現(xiàn)場測量試驗，驗證了系統(tǒng)的有效性和準確性。該研究提供了一種主動、近距離、低成本且準確的實時監(jiān)測船舶排放的方法。Silvestri 等[19] 為了測量山頂隕石坑和噴氣孔排放的火山氣體，將小型化的MultiGAS 儀器安裝在無人機上來收集CO2、SO2 和H2S 氣體濃度數(shù)據(jù)。通過這種方法，能夠?qū)崿F(xiàn)在危險的環(huán)境中的氣體檢測，為火山活動監(jiān)測和風險評估提供了新的工具和視角。Allen 等[20] 嘗試通過無人機系統(tǒng)記錄的CO2 濃度和風數(shù)據(jù)來推斷甲烷通量，研究團隊計算了英格蘭北部一個垃圾填埋場的瞬時甲烷通量，結果表明甲烷通量的不確定性主要受到環(huán)境中甲烷背景濃度的變化（gt;40%） 和風速變化（gt;10%） 的影響，而儀器誤差的影響僅為1%～2%。這項研究為低成本和快速量化不確定源頭的甲烷排放提供了一種新方法。

在氣體傳感器技術方面，根據(jù)檢測原理的不同可將氣體傳感器區(qū)分為不同類型，如電化學式、半導體式、光學式等。電化學氣體傳感器是根據(jù)待測氣體在傳感器內(nèi)部發(fā)生化學反應，測量電極與反電極之間得失電子，從而將濃度信息轉(zhuǎn)化為電信號的技術[21]。其具有體積小、價格低、反應迅速的優(yōu)點，是畜禽舍氣體濃度檢測中應用最為普遍的技術。Zeng 等[22] 采用成熟的電化學傳感器技術，選用一種高精度、測量范圍廣的電化學探頭，開發(fā)了一種低成本在線監(jiān)測雞舍中H2S 濃度的氣體傳感器，以改善雞的生長和繁殖能力。半導體氣體傳感器通過檢測金屬氧化物與氣體接觸時產(chǎn)生的化學吸附作用，引發(fā)傳感器電導率的變化，以此實現(xiàn)對氣體濃度的精確檢測[23]。Lin 等[24] 采用金屬氧化物半導體傳感器開發(fā)了一種用于禽舍的手持式氨氣監(jiān)測器，并將相對濕度和溫度傳感器與其結合使用，以補償其對濕度和溫度的敏感性，研究結果表明該監(jiān)測器比電化學傳感器更精確，且所需的清洗頻率更低。傅里葉紅外光譜檢測技術通過對激光進行調(diào)制形成的干涉光照射待測氣體，系統(tǒng)接收帶有氣體濃度信息的干涉圖樣進行傅里葉變換，并進行數(shù)學分析與處理，從而得到待測氣體的濃度[25]。Barrancos 等[26]通過遙感技術和傅里葉變換紅外光譜檢測技術，設計了開放路徑式氣體檢測系統(tǒng)，用于測量牲畜建筑內(nèi)氣體排放量的變化，旨在改進畜牧業(yè)溫室氣體排放量的試驗計算方法，以提供更可靠的牲畜排放量估算。調(diào)諧吸收光譜技術利用可調(diào)諧激光器產(chǎn)生的窄帶光源，結合波長調(diào)制技術對目標氣體的吸收峰進行掃描，通過分析吸收光譜來獲取氣體濃度信息，其具有高靈敏度、快速響應和強抗干擾能力等特點。李鑫安[27] 設計了一種基于可調(diào)諧吸收光譜技術的畜禽舍NH3 濃度在線檢測系統(tǒng)，并測試了其氣體采集子系統(tǒng)和濃度檢測子系統(tǒng)的性能，結果表明線性誤差在1% 附近，重復性誤差均小于2%。

在奶牛養(yǎng)殖場氣體檢測工作中，目前最常用的傳感器技術仍然是半導體式和電化學式氣體傳感器，由于這些傳感器不具備遠距離檢測能力，因此主要依賴于在特定點位安裝的固定氣體傳感器來進行氣體檢測[28-30]。然而，這種傳統(tǒng)的檢測方法存在諸多局限性，如檢測點位分布不均勻、覆蓋范圍有限、數(shù)據(jù)采集不連續(xù)等，這些問題導致檢測結果難以全面、準確地反映實際的氣體分布狀況。本研究將無人機遙感氣體檢測技術引入奶牛養(yǎng)殖場甲烷檢測領域，并采用了基于調(diào)諧吸收光譜技術的氣體傳感器，旨在開發(fā)一種高效、大范圍的檢測系統(tǒng)及方法。通過本研究，有望實現(xiàn)對奶牛養(yǎng)殖場甲烷排放的實時檢測和動態(tài)管理，從而為制定有效的減排策略和推動可持續(xù)農(nóng)業(yè)發(fā)展提供科學依據(jù)。

1 材料與方法

1.1 甲烷遙感檢測傳感器設計

1.1.1 甲烷遙感檢測原理

氣體遙感檢測技術主要基于吸收光譜原理，吸收光譜原理表明不同的氣體分子在特定波長的光線下會有特定的吸收特性。通過測量這些吸收光譜，可以確定大氣中特定氣體的存在和濃度?；谖展庾V原理的氣體傳感器可以實現(xiàn)非接觸式測量，這使得它們非常適合應用于氣體遙感檢測領域，其原理如圖1 所示。

根據(jù)朗伯?比爾定律，當一定頻率 v 的入射光穿過待測介質(zhì)時，待測物質(zhì)中的分子會根據(jù)其能級結構吸收特定頻率的光。分子在吸收光子后，會從基態(tài)躍遷到激發(fā)態(tài)。這一過程導致激光光強產(chǎn)生變化，并且該變化符合朗伯?比爾定律。朗伯?比爾定律的表達式如下：

I（v） = I0 exp[-k（v）L]， （1）

式中： I （ v ） 為透射光強度； I 0 為入射光束強度；k（v） 為吸光系數(shù)；L 為吸收路徑長度；其中k（v）L 通常被定義為氣體樣本在頻率v 處的吸光度，這里用A（v） 代替，并且可以進一步表示為：

A（v） = k（v）L = S （T）?（v）PXL， （2）

式中：?（v） 為吸收譜的線型函數(shù)；P 為氣體的分壓；X 為氣體濃度；S（T） 代表吸收譜線的線強，與溫度有關。

根據(jù)公式（1）（2） 變形，從而得到氣體濃度X 的計算公式如下：

1.1.2 甲烷傳感器設計

本研究中的甲烷傳感器采用了平衡差分探測技術。平衡差分探測技術利用了氣體探測信號與未經(jīng)過氣體吸收的參考信號之間的差異，通過這種技術，可以消除與吸收無關的直流背景噪聲，進而增強微弱的吸收信號并降低背景噪聲、探測器噪聲和光強波動帶來的影響。這種技術能夠準確提取吸收譜線的基線，從而直接獲得整個分子的吸收線型，而不會產(chǎn)生失真或微分效應，有效地消除了光強波動對光譜檢測的干擾。圖2展示了甲烷濃度傳感器檢測的原理及過程。

甲烷傳感器的結構如圖3 所示。由指示激光器、可調(diào)諧紅外激光器、分光片、凸透鏡、濾光片、光電探測器、激光調(diào)制電路和信號處理電路幾部分組成。根據(jù)HITRAN 數(shù)據(jù)庫中的甲烷吸收光譜數(shù)據(jù)可知甲烷的吸收峰波長為1 653.7 nm，因此所選用的可調(diào)諧紅外激光器中心波長為1 654 nm。使用正弦波對可調(diào)諧激光器進行調(diào)制，激光器發(fā)出的激光經(jīng)過分光片被分為2 個部分，一部分作為探測激光用于氣體濃度檢測，另一部分作為參考激光用于鎖定激光器的中心波長。反射光線通過凸透鏡和濾光片聚集到光電探測器轉(zhuǎn)換為電信號，經(jīng)過信號處理和電路處理即可得到檢測路徑上的甲烷濃度積分。

1.1.3 傳感器外圍電路設計

為了確保甲烷傳感器與無人機之間的數(shù)據(jù)傳輸和匹配，本研究針對甲烷傳感器設計了一系列外圍電路，包括信號轉(zhuǎn)換模塊、GPS 定位模塊、數(shù)據(jù)處理模塊、數(shù)據(jù)存儲模塊和通信模塊。其數(shù)據(jù)傳輸流程如圖4 所示。外圍電路的主要功能是優(yōu)化傳感器輸出信號的傳輸，確保信號的穩(wěn)定性和可靠性；微控制器負責實時采集甲烷濃度數(shù)據(jù)，匹配不同傳感器采集的數(shù)據(jù)，并對數(shù)據(jù)進行初步處理和存儲，以便于后續(xù)分析和應用。

圖5 為外圍電路的實物圖。其中，傳感器負責檢測甲烷濃度，再通過RS485 轉(zhuǎn)TTL 模塊將輸出信號傳輸給ESP32 主控。GPS 模塊負責將當前的位置信息傳輸給ESP32 主控。ESP32 主控負責將甲烷濃度信息與位置信息進行匹配并將其傳輸給SD 卡模塊進行存儲，此外還需要將存儲的數(shù)據(jù)通過無線通信模塊發(fā)送給地面站。

1.2 甲烷傳感器精度驗證

本試驗需要對甲烷檢測裝置的檢測精度進行驗證。甲烷檢測裝置的輸出結果是甲烷濃度與檢測路徑距離的乘積，為了評估該裝置的性能，需要準確測量檢測路徑上的甲烷濃度積分值，并與裝置的輸出結果進行比較。試驗中通過采用氣體采樣袋對不同位置同時進行采樣，以確保能夠獲得檢測路徑上各個位置同一時間的甲烷濃度數(shù)據(jù)。采集到的氣體樣本隨后被送入氣體分析儀進行甲烷濃度的精確檢測。試驗中使用的氣體分析儀型號為PTM600，是一款高精度的甲烷氣體分析儀。PTM600 氣體分析儀具有0 ～ 6 5 . 4 4 m g / m 3 的量程， 能夠提供6.544×10?3 mg/m3 的檢測分辨率，且其檢測誤差小于滿量程的±2%。

本試驗在河南省洛陽市孟津縣生生牧場進行，試驗當天的氣象條件為氣溫5～16 ℃，天氣晴朗且無風。試驗場地選在奶牛場內(nèi)部的飼喂通道，通道的總長度為80 m，內(nèi)部甲烷質(zhì)量濃度介于0～33mg/m3 之間。為了驗證甲烷遙感檢測裝置在不同濃度背景下的性能表現(xiàn)，本次試驗擇了2 個濃度差異較大的飼養(yǎng)通道進行了試驗。具體試驗步驟如下：

1） 使用卷尺精確標記出0～50 m 的檢測距離，確保試驗的可重復性和準確性。

2） 在檢測路徑上均勻布置10 個氣體采集袋，每個采集袋之間相隔5 m，以便于在不同距離點收集氣體樣本。

3） 將甲烷遙測裝置固定在三腳架上，并置于飼喂通道的入口處。同時，連接上位機以實現(xiàn)檢測結果的實時顯示和記錄。

4） 為了確保甲烷遙感檢測裝置能夠準確地進行濃度檢測，使用另一個三腳架將反光板固定在與檢測模塊相同的高度。

5 ） 利用甲烷遙感檢測裝置配合反光板，對20～50 m 的目標距離內(nèi)每隔5 m 進行甲烷濃度檢測。由于20 m 以內(nèi)的濃度積分值過低，因此未包括在檢測范圍內(nèi)。

6） 在執(zhí)行甲烷濃度檢測的同時，對所有放置氣體采集袋的位置進行氣體樣本的采集。

7） 使用專業(yè)甲烷氣體分析儀PTM600 對氣體采集袋內(nèi)的氣體樣本進行甲烷濃度檢測，以獲取不同點位的甲烷濃度數(shù)據(jù)，并據(jù)此計算甲烷濃度的積分值。

1.3 無人機遙感檢測系統(tǒng)

1.3.1 無人機遙感平臺

作為掛載平臺，無人機需具備較長的續(xù)航能力，能夠承載額外的載荷，同時具備良好的操控性和機動性?；诖?，本研究選用的無人機型號為經(jīng)緯300 RTK。該無人機平臺是一款高性能的工業(yè)級測繪巡檢無人機，它同時具備高載重能力和長續(xù)航能力，具有先進的六向定位避障系統(tǒng)，以及遠距離控制能力。支持在線任務錄制、精準復拍、智能航線規(guī)劃等功能，適用于自動化任務。所用無人機平臺機身質(zhì)量為6.3 kg，有效載重為2.7 kg，空載續(xù)航時間為55 min。

集成后的氣體遙感監(jiān)測系統(tǒng)可測量垂直空氣柱中的甲烷濃度。該系統(tǒng)裝備了激光甲烷傳感器、可見光相機和高精度的GPS，能夠在飛行過程中實時記錄無人機下方甲烷濃度數(shù)據(jù)、可見光圖像和地理坐標。

1.3.2 甲烷遙感檢測流程

無人機檢測過程如圖6所示。檢測時無人機按照設定的飛行路徑自動飛行，以實現(xiàn)對所研究區(qū)域的全面覆蓋。在飛行過程中，甲烷探測器會實時采集無人機下方的甲烷濃度信息，可見光相機將記錄對應位置的圖像信息，GPS定位模塊會記錄對應的位置信息。在檢測結束后，將這些信息融合處理，繪制出甲烷濃度分布圖。這樣的分布圖不僅展示了甲烷濃度的空間變化，還可以幫助研究人員和環(huán)境管理者識別和定位甲烷排放的熱點區(qū)域。

1.4 奶牛養(yǎng)殖場現(xiàn)場測試

1.4.1 試驗場地

由于奶牛場中產(chǎn)生的甲烷氣體較多，因此本次試驗選擇在奶牛場進行。本次試驗的地點是河南省洛陽市孟津縣平樂鎮(zhèn)生生牧場，該奶牛場飼養(yǎng)區(qū)域的占地面積大約40 000 m2，飼養(yǎng)奶牛200 余頭。該奶牛場屬于半封閉式奶牛場，奶牛場內(nèi)分為活動區(qū)域和飼養(yǎng)區(qū)域，飼養(yǎng)區(qū)域上方搭有棚房，活動區(qū)域則為露天區(qū)域。飼養(yǎng)區(qū)域由于棚子的遮擋，無法通過無人機遙感檢測系統(tǒng)進行檢測，因此本次試驗在該奶牛場的奶牛露天活動區(qū)域進行。露天活動區(qū)域場地大小約為10 m×80 m。詳細情況如圖7 所示。

1.4.2 甲烷濃度數(shù)據(jù)采集

本研究將檢測區(qū)域劃分為9 個均勻的網(wǎng)格單元，如圖8 所示。無人機飛行路徑覆蓋每個網(wǎng)格單元的中心點，以確保整個區(qū)域都能被檢測到。為了確保數(shù)據(jù)質(zhì)量，無人機將在每個網(wǎng)格單元的中心點上空停留預定的時長，以提高數(shù)據(jù)采集的完整性，減少檢測誤差。

由于檢測場地是奶牛場，因此飛行高度的選擇不僅要考慮對檢測精度的影響，還要考慮無人機噪音對奶牛的影響。若飛行高度過低，一方面由于無人機的下洗氣流效應，可能會干擾和擾亂地面附近的甲烷濃度分布，從而導致檢測數(shù)據(jù)失真；另一方面也會對奶牛造成驚嚇。根據(jù)預試驗結果，當甲烷檢測裝置的遙測距離超過50 m 時，檢測數(shù)據(jù)出現(xiàn)明顯波動，誤差也隨之增加。當無人機在50 m 的高度飛行時，地面附近已基本不受無人機氣流的影響，飛行噪音也在可接受范圍。因此，本研究將無人機的巡航高度設定為50 m。

此外，為了確保有充足的檢測數(shù)據(jù)用于后續(xù)分析，設置無人機在每個檢測點位做短暫停留，以便檢測裝置能夠穩(wěn)定地收集數(shù)據(jù)。同時在檢測點之間可以增加飛行速度以加快整個檢測過程，提高監(jiān)測速度?；诖耍狙芯繉o人機的巡航速度設定為5 m/s，并在每個檢測點位停留10 s，這樣既可以滿足甲烷檢測裝置的數(shù)據(jù)采集需求，又可以避免因速度過快而導致的檢測數(shù)據(jù)不穩(wěn)定。

1.5 濃度分布圖構建算法

K e r n e l D M 算法是氣體分布建圖（ G a sdistribution mapping， GDM） 算法中應用較為廣泛的算法之一，也是最具有代表性的算法。本研究在其基礎上進行了改進，主要集中在2 個關鍵方面。首先，在濃度外推階段之前，本研究引入了風場信息反演的步驟，以獲取局部的風場信息。其次，本研究將濃度外推階段使用的高斯核函數(shù)替換為連續(xù)的高斯煙團擴散模型，以加入有關風場信息的計算。通過這些改進，本方法能夠在無需直接測量現(xiàn)場風場信息的情況下，憑借多組濃度數(shù)據(jù)便能有效地估計風場對氣體分布的影響。改進后的GDM 算法可以認為由風場反演過程和濃度外推過程兩部分組成。

風場反演過程如圖9 所示。該過程是本研究在Kernel DM 算法的基礎上增加的1 個過程，該過程可以對1 組相鄰的濃度數(shù)據(jù)進行分析，進而提取出其中包含的風場信息。該過程的原理如下：通過連續(xù)高斯煙團模型對1 組濃度數(shù)據(jù)進行擬合，擬合出的最優(yōu)解中包括了這組濃度數(shù)據(jù)對應位置的風場信息和其他信息。在擬合過程中，可以利用優(yōu)化算法提高計算速度。連續(xù)高斯煙團模型計算表達式為：

式中：C（k）為二維平面上某一位置k 處的污染物濃度，單位為kg/m2；Q為單位時間內(nèi)從源釋放的污染物總量，單位為kg/s；→δ（k）為某一位置k 處到擴散源的歐式距離，單位為m；→u為環(huán)境風速，單位為m/s；t、t0 和t1分別為氣體擴散時間、擴散初始時間和擴散結束時間，單位為s；σxy 為水平方向的擴散參數(shù)。

濃度外推過程如圖10 所示。該過程是KernelDM 算法原有的過程，本文對其進行了修改，將原算法中外推計算使用的高斯核函數(shù)改為了連續(xù)高斯煙團模型。該過程估算氣體濃度分布平均值的步驟如下：

第1 步，計算采樣位置坐標→xi j與估計位置坐標→x （k）之間的歐式距離→δ（k）i j并計算采樣值權重函數(shù)ω（k）i j，計算表達式為：

2 結果與分析

2.1 甲烷傳感器精度

試驗結果如圖11 所示。根據(jù)試驗結果可以發(fā)現(xiàn)，雖然甲烷遙感檢測裝置的檢測結果與氣體分析儀的檢測結果存在一定的誤差，但兩者在甲烷濃度積分變化趨勢上表現(xiàn)出高度的一致性。這表明甲烷遙感檢測裝置能夠有效地監(jiān)測甲烷濃度的變化趨勢。為了進一步量化甲烷檢測裝置與氣體分析儀檢測結果之間的相關性，計算了2 組試驗中2 個設備檢測結果之間的皮爾遜相關系數(shù)，分別為0.975 和0.987，這表明甲烷檢測裝置的檢測結果與氣體分析儀的檢測結果之間存在極強的一致性。皮爾遜相關系數(shù)的計算結果進一步證實了甲烷遙感檢測裝置在實際應用中的可靠性。

根據(jù)以上試驗結果，進一步對甲烷遙感檢測裝置的單位誤差進行了分析，如表1 所示。通過比較和分析2 組不同濃度環(huán)境的試驗數(shù)據(jù)，可以發(fā)現(xiàn)該裝置的平均單位誤差相差不大。這表明甲烷遙感檢測裝置的誤差水平不隨背景濃度的變化而變化，展現(xiàn)出良好的穩(wěn)定性。根據(jù)計算結果可以得到該裝置的平均單位誤差在2.05 mg/m3 以內(nèi)，相對誤差在10% 左右，可以滿足奶牛養(yǎng)殖場甲烷濃度監(jiān)測的實際需求。

2.2 奶牛養(yǎng)殖場檢測結果

奶牛場可見光俯視地圖如圖12 所示。俯視圖的構建采用了無人機航拍拼接技術，該技術通過對無人機采集的可見光圖像進行精細的拼接和優(yōu)化處理，最終形成高精度的二維可見光地圖。這幅地圖為我們提供了一個直觀的奶牛場內(nèi)部環(huán)境視圖，也為甲烷濃度檢測數(shù)據(jù)的驗證和分析提供了重要參考。通過可見光地圖可以更好地對比分析甲烷濃度檢測數(shù)據(jù)，從而驗證甲烷遙感檢測系統(tǒng)的實際性能。此外，該地圖還為我們提供了研究奶牛場內(nèi)部甲烷分布規(guī)律的有力工具，有助于我們理解甲烷在奶牛場中的流動和分布模式。

通過對甲烷濃度數(shù)據(jù)的采集，分別采用KernelDM 算法和改進的GDM 算法構建了奶牛場活動區(qū)域的甲烷濃度分布圖。為了將甲烷濃度分布圖與奶牛場的實際環(huán)境聯(lián)系起來，通過對位置信息的匹配，將濃度分布圖與可見光地圖進行了圖像融合，融合結果如圖13 所示。融合結果展示了奶牛場內(nèi)甲烷的具體分布情況，通過與可見光地圖的對比分析，可以更加清晰、直觀地了解奶牛場內(nèi)甲烷濃度分布的規(guī)律，從而更好地理解奶牛場的甲烷排放特性。

為了評估濃度分布圖的準確性，我們采用網(wǎng)格法對奶牛場活動區(qū)域進行了均分，共劃分為9 個網(wǎng)格單元，并將每個網(wǎng)格單元內(nèi)的奶牛數(shù)量標注于相應的網(wǎng)格中，如圖14 所示。將不同GDM 方法構圖結果同樣劃分為9 個網(wǎng)格單元，并求取每個網(wǎng)格單元內(nèi)濃度數(shù)據(jù)的平均值。由于活動場區(qū)域的甲烷主要來源于奶牛個體本身，甲烷質(zhì)量濃度與奶牛數(shù)量呈現(xiàn)出正相關。因此，通過分析每個網(wǎng)格區(qū)域內(nèi)甲烷濃度數(shù)據(jù)與網(wǎng)格區(qū)域內(nèi)奶牛數(shù)量的關系，可以反映濃度分布圖的準確性。

對通過不同算法構建的甲烷濃度分布在每個區(qū)域內(nèi)的平均值和每個區(qū)域內(nèi)奶牛數(shù)量進行繪圖，可以得到兩者之間的關系曲線如圖15 所示，曲線清晰地展示了甲烷濃度與奶牛數(shù)量之間的關系。為了量化其相關性，分別計算了Kernel DM 算法結果與奶牛數(shù)量之間的皮爾遜相關系數(shù)為0.908，改進的GDM 算法結果與奶牛數(shù)量之間的皮爾遜相關系數(shù)為0.934，說明改進后的GDM 算法在實際應用中具有更高的準確性。該結果可以表明，本研究所構建的甲烷濃度分布圖可以用于畜禽場內(nèi)甲烷濃度的監(jiān)測。

3 結論

設計了一套基于四旋翼無人機平臺的甲烷遙感監(jiān)測系統(tǒng)，并改進了用于濃度分布繪圖的KernelDM 算法。為驗證其性能，進行了一系列試驗。得出以下結論：

1） 甲烷檢測模塊的平均單位誤差小于2.05mg/m3，測量結果與專業(yè)氣體分析儀的檢測結果之間的皮爾遜相關系數(shù)大于0.975，具有很好的相關性。

2） 對Kernel DM 算法進行了改進，改進后的GDM 算法考慮了環(huán)境風場對氣體分布的影響，繪制的濃度分布圖表現(xiàn)出更高的準確性。

3） 在奶牛場實地測試中，通過對結果的分析，某一區(qū)域的甲烷質(zhì)量濃度與該區(qū)域奶牛數(shù)量之間存在顯著的正相關性，其皮爾遜相關系數(shù)為0.934。

總之，所設計的甲烷遙感檢測系統(tǒng)具有檢測速度快、檢測范圍大等優(yōu)點，可滿足奶牛養(yǎng)殖場對甲烷分布檢測的實際需求。

參考文獻：

[1]BENNETZEN E H， SMITH P， PORTER J R. Agriculturalproduction and greenhouse gas emissions from worldregions： The major trends over 40 years[J]. Global EnvironmentalChange， 2016， 37： 43-55.

[2]STAVI I， LAL R. Agriculture and greenhouse gases， acommon tragedy. A review[J]. Agronomy for SustainableDevelopment， 2013， 33（2）： 275-289.

[3]LIN J， KHANNA N， LIU X， et al. China’ s non-CO2greenhouse gas emissions： Future trajectories and mitigationoptions and potential[J]. Scientific Reports， 2019， 9：16095.

[4]GAMBHIR A， NAPP T， HAWKES A， et al. The contributionof non-CO2 greenhouse gas mitigation to achievinglong-term temperature goals[J]. Energies， 2017， 10（5）：602.

[5]FRANK S， BEACH R， HAVLíK P， et al. Structuralchange as a key component for agricultural non-CO2 mitigationefforts[J]. Nature Communications， 2018， 9：1060.

[6]BOGAERTS M， CIRHIGIRI L， ROBINSON I， et al. Climatechange mitigation through intensified pasture management：Estimating greenhouse gas emissions on cattle farms in the Brazilian Amazon[J]. Journal of CleanerProduction， 2017， 162： 1539-1550.

[7]CHEN M， CUI Y， JIANG S， et al. Toward carbon neutralitybefore 2060： Trajectory and technical mitigationpotential of non-CO2 greenhouse gas emissions fromChinese agriculture[J]. Journal of Cleaner Production，2022， 368： 133186.

[8]BA??NINAIT? D， D?ERMEIKAIT? K， ANTANAITISR. Global warming and dairy cattle： How to controland reduce methane emission[J]. Animals， 2022， 12（19）：2687.

[9]BLACK J L， DAVISON T M， BOX I. Methane emissionsfrom ruminants in Australia： Mitigation potentialand applicability of mitigation strategies[J]. Animals，2021， 11（4）： 951.

[10]GIAMOURI E， ZISIS F， MITSIOPOULOU C， et al. Sustainablestrategies for greenhouse gas emission reductionin small ruminants farming[J]. Sustainability， 2023，15（5）： 4118.

[11]VAGHAR SEYEDIN S M， ZEIDI A， CHAMANEHPOURE， et al. Methane emission： Strategies to reduceglobal warming in relation to animal husbandryunits with emphasis on ruminants[J]. Sustainability，2022， 14（24）： 16897.

[12]BURGUéS J， MARCO S. Environmental chemical sensingusing small drones： A review[J]. Science of the TotalEnvironment， 2020， 748： 141172.

[13]LI C， HAN W， PENG M， et al. An unmanned aerialvehicle-based gas sampling system for analyzing CO2and atmospheric particulate matter in laboratory[J].Sensors， 2020， 20（4）： 1051.

[14]ZHANG T， ZHANG W， YANG R， et al. CO2 capture andstorage monitoring based on remote sensing techniques：A review[J]. Journal of Cleaner Production， 2021， 281：124409.

[15]GIORDAN D， HAYAKAWA Y， NEX F， et al. Reviewarticle： The use of remotely piloted aircraft systems（RPASs） for natural hazards monitoring and management[J]. Natural Hazards and Earth System Sciences，2018， 18（4）： 1079-1096.

[16]ASADZADEH S， DE OLIVEIRA W， DE SOUZA C.UAV-based remote sensing for the petroleum industryand environmental monitoring： State-of-the-art and perspectives[J]. Journal of Petroleum Science and Engineering，2022， 208.

[17]GóMEZ C， GREEN D R. Small unmanned airborne systemsto support oil and gas pipeline monitoring and mapping[J]. Arabian Journal of Geosciences， 2017， 10（9）：202.

[18]ZHOU F， GU J， CHEN W， et al. Measurement of SO2and NO2 in ship plumes using rotary unmanned aerialsystem[J]. Atmosphere， 2019， 10（11）： 657.

[19]SILVESTRI M， DIAZ J A， RABUFFI F， et al. Multi-GAS detection from airborne platforms on Italian volcanicand geothermal areas[J]. Remote Sensing， 2023， 15（9）：2390.

[20]ALLEN G， HOLLINGSWORTH P， KABBABE K， et al.The development and trial of an unmanned aerial systemfor the measurement of methane flux from landfill andgreenhouse gas emission hotspots[J]. Waste Management，2019， 87： 883-892.

[21]蒲施樺， 李廳廳， 王浩， 等. 畜禽養(yǎng)殖污染氣體監(jiān)測技術綜述[J]. 農(nóng)業(yè)環(huán)境科學學報， 2019， 38（11）： 2439-2448.

[22]ZENG L， HE M， YU H， et al. An H2S sensor based onelectrochemistry for chicken coops[J]. Sensors， 2016，16（9）： 1398.

[23]DEY A. Semiconductor metal oxide gas sensors： A review[J]. Materials Science and Engineering： B， 2018，229： 206-217.

[24]LIN T， SHAH S B， WANG-LI L， et al. Development ofMOS sensor-based NH3 monitor for use in poultryhouses[J]. Computers and Electronics in Agriculture，2016， 127： 708-715.

[25]介鄧飛， 泮進明， 應義斌. 規(guī)模化畜禽養(yǎng)殖污染氣體現(xiàn)場檢測方法與儀器研究進展[J]. 農(nóng)業(yè)工程學報， 2015，31（1）： 236-246.

[26]BARRANCOS J， BRIZ S， NOLASCO D， et al. A newmethod for estimating greenhouse gases and ammoniaemissions from livestock buildings[J]. Atmospheric Environment，2013， 74： 10-17.

[27]李鑫安. 基于TDLAS 的畜禽舍內(nèi)氨氣濃度檢測系統(tǒng)研究[D]. 武漢： 華中農(nóng)業(yè)大學， 2021.

[28]YOON S U， CHOI S M， LEE J H. A study on the developmentof livestock odor （ammonia） monitoring systemusing ICT （information and communication technology）[J]. Agriculture， 2021， 12（1）： 46.

[29]NEETHIRAJAN S. Transforming the adaptationphysiology of farm animals through sensors[J]. Animals，2020， 10（9）： 1512.

[30]MENDES L， OGINK N， EDOUARD N， et al. NDIR gassensor for spatial monitoring of carbon dioxide concentrationsin naturally ventilated livestock buildings[J].Sensors， 2015， 15（5）： 11239-11257.

【責任編輯 莊 延】

基金項目：國家重點研發(fā)計劃（2023YFD2000702）; 河南省國際科技合作項目（232102521006）; 河南省高?？萍紕?chuàng)新人才項目（24HASTIT052）